[发明专利]一种检测故障的方法、装置及计算机可读存储介质

权利要求书

1.一种检测故障的方法，其特征在于，所述方法包括：

获取输出信息，从所述输出信息中提取故障识别参数流；

将所述故障识别参数流作为第一输入输入到第一网络模型，得到表征所述输出信息是否存在故障的第一输出；

根据所述第一输出确定所述输出信息存在故障时，将所述故障识别参数流和所述第一输出作为第二输入输入到第二网络模型，得到表征异常类型的第二输出，根据所述第二输出确定故障检测结果；其中，所述第一网络模型和第二网络模型为基于深度学习的网络模型；

其中，所述第一输出包括可疑异常参数和所述可疑异常参数对应的置信度；所述方法还包括：

当所述可疑异常参数对应的置信度小于预设置信度阈值时，根据所述可疑异常参数对所述第二输入进行调整；

其中，所述根据所述可疑异常参数对所述第二输入进行调整包括：

确定所述可疑异常参数的出现时间，获取所述可疑异常参数的出现时间的预设时间范围内的可疑异常参数；

将所述故障识别参数流、所述可疑异常参数的出现时间的预设时间范围内的可疑异常参数作为第二输入。

2.根据权利要求1所述的方法，其特征在于，所述根据所述可疑异常参数对所述第二输入进行调整还包括：

根据所述可疑异常参数和预设的参数约束关系确定关联可疑参数；

将所述故障识别参数流、所述可疑异常参数和所述关联可疑参数作为第二输入。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将训练样本的训练故障识别参数流依次经过第一网络模型和第二网络模型后得到训练故障检测结果；

将所述训练故障检测结果与所述训练样本的故障信息进行比对得到比对结果，采用极小化误差的方法根据所述比对结果对所述第一网络模型的网络参数和/或第二网络模型的网络参数进行调整。

4.一种检测故障的装置，其特征在于，所述装置包括：提取单元、故障识别单元和故障判断单元；其中，

所述提取单元，用于获取输出信息，从所述输出信息中提取故障识别参数流；

所述故障识别单元，用于将所述故障识别参数流作为第一输入输入到第一网络模型，得到表征所述输出信息是否存在故障的第一输出；

所述故障判断单元，用于根据所述第一输出确定所述输出信息存在故障时，将所述故障识别参数流和所述第一输出作为第二输入输入到第二网络模型，得到表征异常类型的第二输出，根据所述第二输出确定故障检测结果；其中，所述第一网络模型和第二网络模型为基于深度学习的网络模型；

其中，所述第一输出包括可疑异常参数和所述可疑异常参数对应的置信度；所述装置还包括：调整单元，

用于当所述可疑异常参数对应的置信度小于预设置信度阈值时，根据所述可疑异常参数对所述第二输入进行调整；

其中，所述调整单元具体用于：

确定所述可疑异常参数的出现时间，获取所述可疑异常参数的出现时间的预设时间范围内的可疑异常参数；

将所述故障识别参数流、所述可疑异常参数的出现时间的预设时间范围内的可疑异常参数作为第二输入。

5.根据权利要求4所述的装置，其特征在于，所述调整单元还具体用于：

根据所述可疑异常参数和预设的参数约束关系确定关联可疑参数；

将所述故障识别参数流、所述可疑异常参数和所述关联可疑参数作为第二输入。

6.根据权利要求4所述的装置，其特征在于，所述装置还包括：训练单元，用于：

将训练样本依次经过第一网络模型和第二网络模型后得到训练故障检测结果；

将所述训练故障检测结果与所述训练样本的故障信息进行比对得到比对结果，采用极小化误差的方法根据所述比对结果对所述第一网络模型的网络参数和/或第二网络模型的网络参数进行调整。

7.一种检测故障的装置，其特征在于，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，所述处理器用于运行所述计算机程序时，执行权利要求1至3任一项所述方法的步骤。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有故障检测程序，所述故障检测程序被处理器执行时实现如权利要求1至3中任一项所述的检测故障的方法。